1. 緒論
脈衝飛行時間雷射測距是現代地理空間資料擷取的基石。然而，當雷射光斑與複雜、不連續的表面相互作用時，其準確性便面臨根本性的挑戰。本研究探討廣義混合像素效應，這是一種由涵蓋多個距離的變形雷射光斑所產生的複合誤差源。它包含了傳統的混合像素效應（源自解析單元內的深度不連續性）以及入射角效應（源自光斑的幾何伸長）。本文提出一種新穎的、物理與幾何整合的校正模型，以及一個穩健的參數估計工作流程，以恢復測距的準確性，並在如Trimble M3 DR和Topcon GPT-3002LN等商用儀器上進行驗證。
2. 理論背景
2.1 廣義混合像素效應
核心問題在於單一雷射脈衝光斑因照射到不同距離的表面，而返回模糊的距離資訊。此「廣義」效應將兩種不同的現象，在「單一非均勻光斑導致系統性偏差」的共同點下統一起來。由於各儀器專有的訊號處理演算法不同，誤差大小取決於儀器本身，這使得通用的校正變得具有挑戰性。
2.2 混合像素效應
當雷射光斑橫跨邊緣或深度不連續處（例如建築物轉角）時發生。若深度差小於儀器的距離解析度 $\Delta R = c \cdot \tau / 2$（其中 $c$ 為光速，$\tau$ 為脈衝寬度），測距儀會接收到一個單一的、扭曲的複合波形。時間估計器被誤導，回報一個錯誤的距離，通常是各距離的加權平均值。
2.3 入射角效應
當雷射光束以非垂直角度 $\theta$ 撞擊表面時，圓形光斑會伸長成橢圓形，其長軸為 $D / \cos(\theta)$，其中 $D$ 為光束直徑。此幾何變形的光斑在其長度方向上取樣了一系列連續的距離。結合朗伯散射（其訊號強度隨 $\cos(\theta)$ 減弱），返回的脈衝在時間上被展寬並衰減，從而導致測距偏差。
3. 研究方法
3.1 五步驟工作流程
本研究發展了一套系統性的五步驟工作流程：1) 表徵光束發散角，2) 應用偏心瞄準以減輕混合像素效應，3) 建模入射角效應，4) 對實測資料中的未知入射角進行迭代估計，以及5) 建構並應用統一的偏移校正模型。
3.2 發散角估計與偏心瞄準
本文提出一種估計有效光束發散角的方法。透過刻意將瞄準點從邊緣偏心移開，可以將光斑定位為主要覆蓋單一表面，從而消除或減少混合像素的影響。
3.3 入射角建模與迭代估計
入射角效應是基於光斑幾何形狀和散射物理學進行建模。一個關鍵創新是針對目標點入射角 $\theta$ 的迭代估計程序，該角度在典型的測量情境中通常是未知的。此平差技術納入了所有觀測的不確定性。
3.4 統一校正模型建構
將個別的誤差模型整合成一個全面的校正方程式：$\Delta R_{total} = f(\Delta R_{mix}, \Delta R_{angle}, \phi, \theta, D, ...)$。參數透過一個考量觀測不確定性的平差程序進行估計。
4. 實驗結果與分析
4.1 測試配置與儀器
實驗使用兩台商用全站儀進行：Trimble M3 DR 2" 和 Topcon GPT-3002LN。目標設置在不連續的表面以及不同的入射角上，以誘發廣義混合像素效應。
4.2 效能評估
將提出的校正方法應用於原始測距資料。結果證實系統性誤差顯著降低。該工作流程成功恢復了測距品質，證明了其在不同品牌和型號儀器上的有效性。迭代角度估計在類實地條件下被證明是穩健的。
關鍵結果：由廣義混合像素引起的系統性誤差被有效解決，在傳統測量顯示公寸級偏差的情況下，保持了次公分級的精度。
5. 討論與未來方向
核心洞見：本文真正的突破不僅僅是另一個誤差模型；而是正式承認並將兩個普遍存在但被分開處理的LiDAR誤差源，在「光斑變形」的框架下統一起來。作者正確地指出，商用測距儀韌體的黑箱特性是實現通用校正的主要障礙，並巧妙地透過一個基於物理學的外部平差方法來規避它。
邏輯流程：邏輯是合理的：定義問題（廣義效應）、分解它（混合像素 + 入射角）、用針對性的方法（偏心瞄準、迭代角度估計）處理每個部分，並將它們重新整合成一個統一的模型。五步驟工作流程為從業人員提供了一個清晰、可操作的程序。
優點與缺陷：主要優點是實際應用性。該方法不需要存取原始波形資料（這些資料通常是專有的）。僅使用可觀測的距離和角度，它提供了一個後處理解決方案。迭代估計入射角對於實際測量尤其巧妙。如同許多基於模型的方法，其缺陷在於對準確參數初始化的依賴，以及對基礎物理模型（如朗伯散射）成立的假設。高度鏡面或逆反射表面可能會使模型失效。此外，僅在兩種儀器型號上進行驗證，雖然結果正面，但對於其在更廣泛的雷射掃描儀生態系統（包括移動式和機載LiDAR，這些效應在該領域更為顯著）中的表現，仍留有疑問。
可操作的見解：對於地理空間專業人士而言，這項工作是一個指令，要求停止忽略邊緣和傾斜測量。本研究量化了可能相當顯著的誤差。偏心瞄準技術是現場人員測量複雜結構時，一個立即可用、低成本的收穫。對於製造商而言，這項研究突顯了韌體改進的一個領域：透明報告有效光束參數，並可能為這些效應內建校正程序。未來在於更緊密的整合。下一代掃描儀應將此類模型內嵌其中，使用即時波形分析，類似於林業全波形LiDAR處理的進展（參見例如Mallet & Bretar (2009)在ISPRS Journal of Photogrammetry and Remote Sensing中的研究）。將此與機器學習結合，以從返回訊號中分類表面類型並預測散射行為，可能催生出完全自適應、自我校正的雷射測距系統。這裡的原理也與自動駕駛車輛中蓬勃發展的固態LiDAR和SPAD（單光子雪崩二極體）陣列領域直接相關，在該領域中，物體邊緣的混合像素是安全性的關鍵挑戰。
未來應用：此方法對高精度工程測量（例如複雜立面的變形監測）、文化遺產記錄，以及自動駕駛車輛感知系統（其中物體邊界的準確距離測量對安全性至關重要）具有直接影響。未來的工作可以將此模型整合到即時SLAM（同步定位與地圖構建）流程中，或開發由人工智慧驅動的版本，從資料中學習校正參數，減少對明確物理模型的依賴。
6. 參考文獻
- Abshire, J. B., et al. (1994). Pulse timing estimators for laser rangefinders. Proceedings of SPIE.
- Adams, M. D. (1993). A review of laser rangefinding technology. Journal of Surveying Engineering.
- Herbert, M., & Krotkov, E. (1992). 3D measurements from imaging laser radars. Image and Vision Computing.
- Soudarissanane, S., et al. (2009). Incidence angle influence on the quality of terrestrial laser scanning points. ISPRS Workshop Laserscanning.
- Typiak, A. (2008). Methods of eliminating the influence of mixed pixels in laser rangefinders. Reports on Geodesy.
- Xiang, L., & Zhang, Y. (2001). Analysis of mixed pixel in laser radar range finding. Optical Engineering.
- Mallet, C., & Bretar, F. (2009). Full-waveform topographic lidar: State-of-the-art. ISPRS Journal of Photogrammetry and Remote Sensing, 64(1), 1-16.